在云模型的实际应用中,云模型相似性度量是极为关键的环节。针对现有云模型相似性度量方法中存在的区分度欠佳、结果不稳定等问题,本文以正态云的扩展模型三角云为研究对象,在充分考虑期望曲线及最大边界曲线基础上,将其视作三角模糊数...在云模型的实际应用中,云模型相似性度量是极为关键的环节。针对现有云模型相似性度量方法中存在的区分度欠佳、结果不稳定等问题,本文以正态云的扩展模型三角云为研究对象,在充分考虑期望曲线及最大边界曲线基础上,将其视作三角模糊数,通过计算三角模糊数的CD-型贴近度来度量云模型的相似性,从而提出一种求两云模型相似度的CDTCM综合计算方法。由仿真实验可知,提出的方法具有一定的区分度;在Synthetic Control Chart Dataset数据集上的分类对比实验表明,该方法的分类精度优于ECM、MCM、LICM、CFSM、EMTCM等传统方法;对于UCR数据库中的10个数据集表现出良好的分类效果,验证了该方法具有一定的可行性及有效性。展开更多
文摘在云模型的实际应用中,云模型相似性度量是极为关键的环节。针对现有云模型相似性度量方法中存在的区分度欠佳、结果不稳定等问题,本文以正态云的扩展模型三角云为研究对象,在充分考虑期望曲线及最大边界曲线基础上,将其视作三角模糊数,通过计算三角模糊数的CD-型贴近度来度量云模型的相似性,从而提出一种求两云模型相似度的CDTCM综合计算方法。由仿真实验可知,提出的方法具有一定的区分度;在Synthetic Control Chart Dataset数据集上的分类对比实验表明,该方法的分类精度优于ECM、MCM、LICM、CFSM、EMTCM等传统方法;对于UCR数据库中的10个数据集表现出良好的分类效果,验证了该方法具有一定的可行性及有效性。